买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉淮阴工学院申请的专利一种结合改进BWO-BP神经网络算法的智能交通流量预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120808615B 。

龙图腾网通过国家知识产权局官网在2026-03-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510841877.1，技术领域涉及：G08G1/065；该发明授权一种结合改进BWO-BP神经网络算法的智能交通流量预测方法是由张德明;钱亮;赵锐;柯永斌设计研发完成，并于2025-06-23向国家知识产权局提交的专利申请。

本一种结合改进BWO-BP神经网络算法的智能交通流量预测方法在说明书摘要公布了：本发明公开了一种结合改进BWO‑BP神经网络算法的智能交通流量预测方法，包括数据预处理，构建多维输入特征集，采用多种策略优化BWO算法，提升模型全局搜索能力，采用改进白鲸优化算法初始化BP神经网络的连接权重与阈值，提高模型初始解质量，构建前馈型神经网络模型，使用误差反向传播算法进行网络训练；基于训练完成的网络模型进行未来交通流量预测，实现高效智能的交通管理应用。本发明在处理复杂、多变交通场景时具有更强的适应能力和更高的预测稳定性，能够更全面根据不同类型车辆的流量特征，提升整体系统对交通趋势的把握能力；计算效率较高，系统响应速度快，具备良好的实用性和部署灵活性。

本发明授权一种结合改进BWO-BP神经网络算法的智能交通流量预测方法在权利要求书中公布了：1.一种结合改进BWO-BP神经网络算法的智能交通流量预测方法，其特征在于，包括如下步骤： S1、数据预处理，构建多维输入特征集； S2、采用多种策略优化BWO算法，提升模型全局搜索能力； S3、采用改进白鲸优化算法初始化BP神经网络的连接权重与阈值，提高模型初始解质量； S4、构建前馈型神经网络模型，使用误差反向传播算法进行网络训练；基于训练完成的网络模型进行未来交通流量预测，实现高效智能的交通管理应用； 所述步骤S2包括： S21、引入遗传算法中的交叉与变异操作机制，从生物进化角度模拟个体的遗传与重组，通过基因片段重组与突变扰动增加种群的信息熵； S22、引入异步更新机制，每当迭代次数满足条件时，从种群中抽取一定比例个体进行“局部更新”或“保持原状态”，实现个体进化的时间错位； S23、在BWO算法的开发阶段，即个体趋近当前最优解阶段引入Levy飞行扰动，使个体在更新时实现更远距离的跳跃，避免陷入局部最优区域； S24、对个体位置施加正弦与余弦扰动，以实现搜索路径的周期性波动； S25、采用动态衰减的学习率策略来平衡搜索开发过程； S26、设置扰动概率规则； S27、引入指数步长衰减机制，通过对个体更新步长的动态调控，使算法在早期具有较强的跳跃性和搜索范围； 所述步骤S21交叉操作在每次迭代中，从当前种群中随机选择两个个体作为父代，设解向量分别为、，为维度长度，随机选取一个整数作为交叉点，将两个父代个体进行单点交叉生成新个体： 交叉后的新个体将代替原始适应度较低的个体，变异操作对于交叉后的个体施加多尺度扰动变异，按照预设变异概率，以随机值替换部分维度： 其中，为该维度的上下界范围； 所述步骤S23中Levy飞行的更新模型如下： 其中，为当前最优个体位置；为种群中随机选取的个体；表示动态衰减因子；Levy分布生成方式如下： 其中，，Levy机制增强了算法对解空间的穿越能力； 所述步骤S24对个体位置施加正弦与余弦扰动，对于种群中每个个体维度，根据个体维度的奇偶性分别施加如下扰动： 其中，为个体当前参考值；为随机参考个体；为扰动系数； 所述步骤S27步长随着迭代次数的增加而指数衰减，表达式如下： 其中，为当前个体所采用的位移步长；和分别为搜索空间上界和下界；为算法的最大迭代次数；为当前迭代次数；为控制步长衰减速率的超参数；为鲸鱼种群中当前适应度最差个体的适应度归一化值；为当前种群规模； 当趋近于0时，指数项趋近于1，步长为最大可用步长；当趋近于时，指数项趋近于0，步长趋近于0，实现局部微调； 利用衰减步长进行个体位置更新，优化如下更新策略： 其中，为三个独立的均匀随机系数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人淮阴工学院，其通讯地址为：223000 江苏省淮安市经济技术开发区枚乘东路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。